马斯克和激光雷达再次发生争执。
12月2日，当网友质疑马斯克对激光雷达的误解时，马斯克重申了自己的观点：“在复杂的道路驾驶环境中，模拟生物神经网络和眼睛的视觉系统是最有效的。有效的方法。”
马斯克对激光雷达的偏见从未动摇过，而特斯拉也被视为坚定不移的纯粹视觉者，探索了一条不依赖激光雷达的智能驾驶路线。
但马斯克可能不知道的是，特斯拉坚定的纯视觉解决方案早已被一些国内玩家超越。
01 超小幸福，前面是谁？
特斯拉一直是纯视觉路线的粉丝，认为自动驾驶唯一通用的解决方案是AI神经网络和摄像头。
正因为如此，每当纯视觉阵营多出一位大将时，都会有人忍不住感叹——马斯克又说对了。
在国内新势力中，极岳是第一个基于“纯视觉+端到端”解决方案实现高端智能驾驶的汽车品牌。
一个细节是，大多数消费者不再相信堆叠硬件能够保证终极体验。相反，谁能提供兼顾交通效率、安全性、拟人化的智能驾驶体验，他们就会认可谁的技术路线。
从某种意义上来说，这意味着纯视觉路线已经在尝试抬高上限，与激光雷达融合感知流派站在同一水平线上。
以极岳、小鹏、乐多为代表的国产汽车品牌中，相继推出了基于纯视觉的高端智能驾驶解决方案。
高端智能驾驶是肯定的答案，但如何在有限的成本下实现更好的功能体验，玩家们却有不同的做法。
2023年，吉悦首款汽车上市。当时，市场上所有高端智能汽车都配备了激光雷达。但极乐依然面临着质疑和用户教育的压力，通过产品力逐渐演变成主流路线。小鹏、乐涛等纷纷加入。
在极乐CEO夏一平看来，极乐ASD坚持不区分Pro和Max。这既是面对激烈的行业竞争的主动出击，也是对智能驾驶平权的一次主动出击。
在当前激烈的国内竞争中，车企和消费者都会有强烈的差异化需求。冰箱、沙发和大彩电是最基本的补充。关键是如何最大限度地实现技术平等。
这正是极阅选择纯视觉解决方案的底层逻辑——通过用户规模的扩大、数据的积累和技术的演进形成良性循环，最终提升用户体验。
说白了，极岳想要成为高端智能驾驶的“价格杀手”，把高端智能驾驶带入20万级。
在高层智慧驱动的平权斗争中，吉月并不是“孤独的战士”。
小鹏汽车自动驾驶负责人李立云表示，L4级自动驾驶车型需要激光雷达，但“它不是城市导航的必需品”。去掉激光雷达可以进入更低的价格区间，并获得更多的用户。
乐多L60也不例外。蔚来智能驾驶副总裁任少卿曾表示，是否使用激光雷达是一个成本问题。 Letao选择纯视觉并不是因为技术原因，而是因为需要降低成本。
至少在这一点上，很多玩家已经证明了纯视觉并不是一条“非主流”路线。
量产节奏方面，无图即可全国行驶的极悦ASD已启动千人智能驾驶测试，并计划于年底向全国用户推出。这也意味着吉悦纯视比国考时间提前了一步。
实际表现方面，夏一平曾连续直播12小时，覆盖从成都到厦门2000公里的路程，途经“九曲伊乐行”山路和施工路段，以及暴雨、密集等极端条件。多雾路段。实测智能驾驶使用率为99.5%。
值得一提的是，在今年的第二届中国智能驾驶大赛中，极悦ASD在不同城市连续四次获得冠军。尽管在中山站落后于小鹏和理想，但三人最大分差仅为0.7，而吉月也是唯一一位挑战最多的纯视觉选手。
02 纯视觉高端智能驾驶，难但正确
纯视觉路线的原理很纯粹。它主要依靠摄像头来承担传感任务，但简单也意味着任务更加困难。没有激光雷达作为辅助，困难也暴露出来：
一是精准捕捉异形障碍物，理解复杂场景，将二维图像转化为三维信息；
二是快速处理分析海量图像数据，从中提取高质量信息，保证规划决策的实时性；
三是打破光线、天气、距离精度的限制，保证硬件的可靠性和稳定性。
要克服这些困难，增强感知能力，要么从传感器入手，要么通过感知算法进行干预。
有的玩家选择兼顾两种能力，双管齐下，而有的玩家则直接选择押注后者。
小布利斯正在表演自己的冰与火之歌。
极岳、小鹏、乐淘向左走，从权衡利弊的安全冗余方案出发，走的是摄像头+毫米波雷达+超声波雷达的多传感器融合路线；
特斯拉走对了，从彻底的技术变革的角度来考虑，仅仅依靠摄像头作为传感器来完成所有传感任务。
吉岳曾将他的方法定义为“全视野”解决方案。
作为这条道路上的第一人，吉月在冷启动时做了周密的计划。
从传感器数量来看，极岳处于行业领先地位。
传感器类型包括11个摄像头、12个超声波雷达、9个毫米波雷达（其中4个车侧毫米波雷达）、2个高精度定位单元，总共34个传感器硬件。其中，11个摄像头（前置、侧边、后置）中的7个摄像头像素高达800万。
像素数量的增加意味着传感器拥有更好的视觉感知能力，在障碍物识别和精确距离测量方面保证图像信息的高质量传输。
极岳还构筑了智能驾驶产品的第二层壁垒——BEV+OCC+Transformer。这三者默契地共同编织出一张庞大的感知网络。
其中，BEV充当“上帝之眼”，将2D信息从鸟瞰角度转换为3D环境，同时给OCC留下一些难以识别的障碍。
在实际应用中，OCC技术可以清晰识别临时障碍物、施工区域、路边伸出的树枝、前方卡车掉落的货物等特殊障碍物。而且，移动障碍物的速度识别精度可以达到0.1米/秒的误差范围。
感知到信息后，就变成了如何处理和分析的问题。
此时，Transformer相当于一台强大的“信息理解机”，可以高效处理和分析传感器采集到的图像数据，挖掘关键信息，帮助系统做出正确合理的驾驶决策。
基于高密度传感器和BEV+OCC+Transformer解决方案的结合，极岳率先推出并实施了“端到端+纯视觉”高端智能驾驶解决方案ASD，也扎实构建了技术基础方面。
端到端时代，车企竞争的战场已经从车载终端扩展到云端。
背靠百度Apollo这棵大树（百度承诺支持不封顶算力），极岳（今年8月）拥有超过5.5 EFLOPS的高算力训练集群，这就是这个庞大算力资源的优势。 WHO。
从传感器硬件、算法架构到数据基础设施，吉岳高端智能驾驶解决方案ASD作为强大引擎，帮助吉岳成为国内首家攀登纯视觉高端智能驾驶山峰的车企。
当然，后来加入纯视觉阵营的小鹏和乐淘，也和极岳一样，走的是强化传感器配置+算法架构的路子。
小鹏汽车推出了新一代AI Eagle Vision解决方案。该传感器由11个摄像头、12个超声波雷达、3个毫米波雷达组成，其中毫米波雷达数量比捷悦少。
这其中的核心在于小鹏首创的单像素LOFIC架构，利用视差来计算障碍物的距离，不受光线、环境、天气的影响。
Letao选择在11个摄像头和12个超声波雷达的基础上添加Scion的4D毫米波雷达。
该传感器的优点是可以输出速度、方位角、俯仰角、距离四个维度的点云信息，并且可以全天候在线。
另外，小鹏靠的是自研建设，乐淘则靠的是蔚来。两者都是基于丰富的算力基础，让大型算法模型能够完成迭代推进。
由此，基于三位选手的解题思路，我们发现纯视觉路线需要水面以下较高的数据处理和算法迭代能力，而大的计算能力构成了充分条件。
这也是特斯拉敢于只使用8个摄像头并抛弃雷达的首要原因。
目前，特斯拉超级计算中心的计算能力已达到100EFLOPS，约相当于30万台A100的水平。
巨大的算力使得特斯拉AI系统的数据处理和分析变得灵敏且智能。
摄像头采集信息后，经过特斯拉的深度学习算法和神经网络处理后，可以准确识别各种交通场景、物体和路况信息。
不过，特斯拉FSD尚未进入中国，国内的落地程度还有待商榷。
而极岳则率先用纯视觉的解决方案给出了优秀的智能驾驶答案。
03 端到端+纯粹视觉，刷新高端智能驾驶上限
端到端智能驾驶的目标是类人驾驶，需要人工智能像人类驾驶员一样观察、思考、决策。
摄像头作为车辆的“眼睛”，通过视觉捕捉丰富的特征信息，然后传输到“大脑”进行决策和分析。
这条更符合人类驾驶习惯和认知模型的技术路径，是端到端的重合。
在两者的共鸣下，纯视觉解决方案的优势也浮现出来。
首先，它信息量大，能够准确识别障碍物。
极岳、小鹏、乐淘都拥有11个摄像头，这似乎已经成为纯视觉路线传感器解决方案的固定配置。
通过这11个摄像头，系统可以收集各个方向的信息，得到的信息密度涵盖了障碍物的边界信息、纹理和颜色。
极岳车载产品负责人贾秀江表示，与传统的128线激光雷达相比，8兆像素高清摄像头的信息量相差160倍。
这种信息密度被投射到现实生活中的应用中。极岳的智能驾驶系统可以清晰辨别障碍物的出现并做出正确的决策。例如，如果行驶时遇到树叶，系统不会误判为障碍物，让车辆立即停车或让路。
其次，信息来源简单，模型迭代快。
纯视觉感知侧的信息来源只有图像和视频，有利于感知算法的理解和处理。在算力的应用上，我们也可以集中精力做大事，从而加速从感知输入端到规划决策端输出的闭环迭代。
据统计，2023年11月至2024年11月，极乐01的OTA更新次数位居国内新势力第一，共更新12次，实现“月更新”。高频率的背后体现的是其数据飞轮的高转速。
三是从产品端考虑，智能驾驶可以成为“全系列标配”。
过去，Max版和Pro版被视为是否配备激光雷达的界限，而高端智能驾驶+激光雷达几乎是Max版智能汽车的主流组合。
如今，无论是极悦01、07、乐多L60，还是小鹏P7+，全系列智能驾驶硬件均标配。用户无需担心是否要为Max版本支付更多费用，或者在高速NOA和城市NOA之间进行选择。
事实上，超小极乐是从长远角度投资纯视觉路线，即集中资源做一项未来有一定成长性的技术。
夏一平曾阐释智能驾驶长跑的本质，“与其关心这个方案的进化速度，不如关注它的算法上限是否更高。”
目前看来，极岳已经达到了智能驾驶第一梯队的水平，而且这种能力还在不断进化中。
特斯拉将纯视觉视为自动驾驶的终极解决方案。
夏一平还表示，纯视觉是最接近L4级的智能驾驶解决方案，而且由于纯视觉解决方案下软件的迭代不再受硬件限制，极岳车辆可以“五年不被淘汰”。
新加盟的小鹏汽车也投了赞成票，将AI鹰眼视觉解决方案放到了L3桌面上。
可以肯定的是，在特小极乐四位选手的大力支持下，纯视觉路线将成为搅动高级智能驾驶局面的又一核心举措。
